| 利用卷积神经网络的太赫兹孔径编码增强成像 |
| |
| 引用本文： | 甘凤娇,罗成高,彭龙,梁传英,王宏强.利用卷积神经网络的太赫兹孔径编码增强成像[J].国防科技大学学报,2022,44(1):14-21. |
| |
| 作者姓名： | 甘凤娇 罗成高 彭龙 梁传英 王宏强 |
| |
| 作者单位： | 国防科技大学 电子科学学院, 湖南 长沙 410073;中国人民解放军78118 部队, 四川 成都 610000 |
| |
| 基金项目： | 国家自然科学基金资助项目(61701513,61971427,61871386,61921001) |
| |
| 摘 要： | 针对现有太赫兹孔径编码成像算法鲁棒性较差、计算求解复杂度较高等问题,提出基于卷积神经网络的太赫兹孔径编码增强成像方法。该方法通过构建一个端到端的神经网络来实现成像系统的隐式建模,利用网络强大的求逆能力和抗噪性能来实现低信噪比下的目标重构。通过仿真实验可以看出,该方法可以在不同信噪比下实现对不同稀疏度目标的重构。另外,与经典的优化迭代算法相比,该方法在低信噪比下可以实现对目标更高分辨率的重构。
|
| 关 键 词： | 太赫兹 孔径编码成像 卷积神经网络 低信噪比 高分辨率 |
| 收稿时间： | 2021/2/20 0:00:00 |
Enhanced terahertz coded aperture imaging using convolutional neural networks |
| |
| GAN Fengjiao,LUO Chenggao,PENG Long,LIANG Chuanying,WANG Hongqiang.Enhanced terahertz coded aperture imaging using convolutional neural networks[J].Journal of National University of Defense Technology,2022,44(1):14-21. |
| |
| Authors: | GAN Fengjiao LUO Chenggao PENG Long LIANG Chuanying WANG Hongqiang |
| |
| Institution: | College of Electronic Science and Technology, National University of Defense Technology, Changsha 410073, China;The PLA Unit 78118, Chengdu 610000, China |
| |
| Abstract: | |
| |
| Keywords: | terahertz coded-aperture imaging convolutional neural networks low signal-to-noise ratio high resolution |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《国防科技大学学报》浏览原始摘要信息 |
| 点击此处可从《国防科技大学学报》下载免费的PDF全文 |
|
